Инженеры из Axiom Math провели эксперимент DrivingBench с 21 по 24 сентября 2026 года, чтобы проверить способность языковых моделей управлять автомобилем. Для тестов использовали Toyota Corolla 2022 года с оборудованием openpilot от Comma.ai, которое преобразует программные команды в действия руля, тормозов и акселератора.
Модель GPT-6 Astra от OpenAI стала единственной, кто прошел трассу длиной 134,7 метра, затратив 5 минут 22 секунды на второй попытке. Успешный заезд потребовал 6,6 миллиона токенов, а стоимость использования составила $9,75. Испытания проходили на низкой скорости под постоянным наблюдением людей.
Другие модели не справились с задачей. Claude Fable 5.1 от Anthropic преодолела 45% дистанции на третьей попытке, а Grok 4.6 от xAI — 11% на лучшем заезде. Инженеры объяснили неудачи проблемами с восприятием пространства и неверной интерпретацией разметки из конусов.
Перед началом тестов все модели отказывались управлять машиной. Они согласились на заезд только после того, как инженеры обозначили сценарий как «песочницу». Эксперимент вызвал интерес в сети, собрав около 257 баллов в обсуждении на Hacker News.
